Pētījumi


Biznesa procesa analīzes tehnoloģijas

Biznesa procesu analīze ir salīdzinoši jauns pētniecības un uzņēmējdarbības virziens, kas, pateicoties ārkārtīgi straujajam datu apjomu pieaugumam, īpaši lielu uzmanību ir ieguvis tieši pēdējo gadu laikā. Biznesa analīzes mērķis ir uzņēmuma galveno vajadzību un problēmu precīza identificēšana, piedāvājot tām visatbilstošākos risinājumus.

Biznesa analīze nav mūsdienu jaunievedums, tās pamatprincipi ir bijuši aktuāli jau kopš senatnes. Aktualitāti pašlaik nosaka informācijas tehnoloģiju attīstība un pasaules globalizācijas procesi, kuru dēļ turpina palielināties analizējamās informācijas apjoms. Arvien lielāka nozīme ir specializētiem IT risinājumiem, kas palīdz automatizēt informācijas apstrādi.

Biznesa procesu analīzes uzlabošanai pēdējā laikā ir izstrādātas gan jaunas tehnoloģijas, gan arī parādījušies pilnīgi jauni jēdzieni, piemēram, lielie dati, gudrie dati, atvērtie dati, mākoņdatošana, u.c. Līdz ar datortehnoloģijām ir attīstījušies arī biznesa analīzes IT rīki un risinājumi. Tos pieņemts iedalīt trīs attīstības posmos. Pirmo produktu centrālais elements bija datu bāzes, un tie tika radīti profesionāliem IT produktu lietotājiem. Sniegtie ziņojumi bieži vien bija balstīti uz vēsturiskiem datiem, plašāku to izmantošanu bremzēja slēgtā klientu servera arhitektūra un salīdzinoši sarežģītais gala lietotāju interfeiss. Otrās grupas risinājumi tika veidoti uz tīkla tehnoloģiju bāzes, līdz ar to bija piemērotāki uzņēmumiem, kuros strādā daudzi potenciālie lietotāji, kam bija nepieciešama pieeja datu analīzes risinājumiem. Šie rīki jau ļāva lietotājiem izpētīt aktuālos datus, eksperimentēt ar tiem un izdarīt prognozes. Trešās grupas viena no būtiskākajām atšķirībām ir mākoņdatošanas tehnoloģiju izmantošana, kas sniedz daudzas priekšrocības datu analītiķiem. Skaitļošanas jauda nav dārga, līdz ar to šobrīd ir iespējams analizēt daudz plašākus datu apjomus un nodrošināt pieejamību no dažādām ierīcēm (viedtālruņi, planšetdatori u.c.).

Pētniecības virziens “Biznesa procesu analīzes tehnoloģijas” ietver sevī vairākus no viedās specializācijas jomas “Informācijas tehnoloģijas” plānotajiem perspektīvajiem virzieniem:

  • Inovatīvas zināšanu pārvaldības, sistēmu modelēšanas un programmatūras izstrādes metodes un rīki;
  • Inovatīvi nozaru IKT aparatūras (angl. - hardware) un programmatūras (angl. - software) lietojumi;
  • Lielapjoma datu un zināšanu infrastruktūra;
  • Informācijas drošība.

SIA “ZZ dats” pētījums Nr. 1.1 “Analītiskas datu noliktavas projektēšanas ietvars e-pārvaldei” tika īstenots no 2019. gada jūnija līdz 2020. gada septembrim.

Pētījums izstrādāts sadarbībā ar Rīgas Tehnisko universitāti ar mērķi projektēt analītiskas datu noliktavas ietvaru Latvijas pašvaldībām. Izmantojot esošu datu analītikas risinājumu elementus un arhitektūras komponentus un tos apvienojot ar spējīgu sistēmu izstrādes metodoloģijas pieeju (angl. – Capability Driven Development), tiek piedāvāts biznesa inteliģences risinājums apvienojumā ar analītisku datu noliktavas risinājumu pašvaldību vajadzību apmierināšanai. Risinājums realizē šablonu pieeju, kas tiek izmantota esošu risinājumu atkārtotā izmantošanā – samazinot risinājumu projektēšanas un izstrādes laiku. Pētījumā gaitā ir izstrādāts prototips, kas aprobē pētījumā iegūtos rezultātus.

Pētījuma laikā sagatavotie un publicētie zinātniskie raksti:

  • Jokste, L., Pirta, R., Rubulis, K., Savčenko, E., Vempers, J., (2019) Knowledge Sharing in BI Ecosystems: Case of E-Municipalities. No: PrOse 2019 [online]: Practicing Open Enterprise Modeling within OMiLAB: Proceedings of the 3rd International Workshop on Practicing Open Enterprise Modeling within OMiLAB (PrOse 2019) co-located with 12th IFIP WG 8.1 Working Conference on the Practice of Enterprise Modelling (PoEM 2019). CEUR Workshop Proceedings. Vol.2499, Luksemburga, Luxembourg, 27.-27. novembris, 2019. Aachen: RWTH, 2019, 37.-48. lpp. ISSN 1613-0073.
  • Rubulis, K., Vempers, J. and Žeiris, E. (2020). Development of Framework for Designing an Analytical Data Warehouse: Case of e-Municipalities.In Proceedings of the 12th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management - Volume 3: KMIS, ISBN 978-989-758-474-9, pages 161-171. DOI: 10.5220/0010056001610171

 

Kontaktpersona:

SIA ZZ Dats Projektu vadītājs/ Sistēmanalītiķis Kristaps Pēteris Rubulis

Elizabetes iela 41/43, Rīga, LV-1010

Tel.: 67333600

E-pasts: zzdats@zzdats.lv

AS “RIX Technologies” pētījums Nr. 1.2  “Lietotāju atbalsta viedais asistents” tika īstenots no 2019. gada septembra līdz 2021. gada maijam.


Pētījuma mērķis bija izveidot un aprobēt apmācāmu lietotāja atbalsta viedā Asistenta modeli. Modelim ir jānodrošina elastīga sadarbība starp procesā iesaistītajām trim pusēm (lietotāju, atbalsta darbinieku un datorizētu asistentu), kuras rezultātā asistents pakāpeniski apgūst, kā atbildēt uz lietotāja biežāk uzdotajiem jautājumiem. Ja Asistenta atbildes lietotājam nepalīdz, tad lietotāja jautājumu var novirzīt atbalsta darbiniekiem. Atbalsta darbinieki iegūst iespēju izmantot Asistenta zināšanu krātuvi komunikācijā ar lietotāju, kā arī iespēju izmantot komunikācijā iegūto informāciju, lai papildinātu un uzlabotu zināšanu krātuvi..

Pētījuma ietvaros izstrādātais Asistenta prototips tika aprobēts piecās iestādēs. Asistenta ieviešana palīdzēs IT produkta lietotāju apmācības būtisku daļu pārnest no klātienes formas (lietotāju klātienes kursi ar produkta piegādātāja speciālistu piedalīšanos) uz tiešsaistes aktivitātēm, ļaujot lietotājiem iegūt nepieciešamo informāciju brīdī, kad tā ir vajadzīga.

 

Pētījuma laikā sagatavotie un publicētie zinātniskie raksti:

 

  • Juris Rats, Inguna Pede. Structuring and Controlling the Knowledge for the Software User Support Baltic Journal of Modern Computing, Vol. 9 (2021), No.2.
  • Juris Rats, Inguna Pede. Using a Context Based Knowledge for Software Product User Support. 61st International Scientific Conference on Information Technology and Management Science of Riga Technical University, ITMS 2020 – Proceedings, 2020.

SIA “Mobilly” pētījums Nr. 1.3  “Uz dokumentu vadības sistēmas bāzēta finanšu analīzes rīka izstrādes izpēte un prototipēšana” tiek īstenots no 2019. gada jūnija un tas jāpabeidz līdz 2021. gada novembrim.


Pētījuma laikā, atbilstoši vispārējām metodikām tiks izstrādāts personīgā kredītreitinga novērtējums, kas ļaus lietotājam novērtēt savu kredītspēju un kredītuzticamības līmeni, lai vērstos pie kredītiestādēm ar jau iepriekš sagatavotu novērtējumu. Tas ļaus paplašināt argumentēt lietotāja pozīcijas sarunās ar kredītiestādi.

Tāpat, iegūstot datus par lietotāja tēriņiem, sistēma veiks padziļinātu analīzi un piedāvās atbilstošus finanšu pakalpojumus tajos brīžos, kad tie lietotājam tiešām ir nepieciešami – sākot ar patēriņa kredītiem, īstermiņa aizdevumiem, beidzot ar apdrošināšanas pakalpojumiem.

Lai nodrošinātu plašāku funkciju klāstu, tiks izmantoti izdevumu struktūras modelēšanas algoritmi, lai novērtētu personīgo tēriņu samazināšanas pasākumus – ietaupījumus.

Tādejādi izmantotais metožu un algoritmu komplekts ļaus padziļināt ieskatu par personīgo izdevumu struktūru, novērtējumu par konkrētu finanšu produktu pieejamību un nepieciešamību, kā arī dažādā veida pārskatus un novērtējumus vispārējā stāvokļa novērtējumam. Lai izpētītu kolektīvas datu izmantošanas priekšrocības, tiks apskatītas iespējas, izmantot citu lietotāju pieredzi – finanšu pakalpojumu, pārskatu, izdevumu samazināšanas u.c. funkciju izmantošanai, lai sniegtu ieteikumus konkrētajam lietotājam. Šīs kolektīvās datus izmantošanas gadījumā tiks apskatītas arī GDPR uzliktās prasības un ierobežojumi, lai skaidri noteiktu, kāda tipa dati var tikt izmantoti kolektīvi (pārskatu – kopsavilkumu vai kopēju modeļu līmenī), un kādi nē.

Plānotais pētījuma rezultāts:

  1. Kopēja ontoloģija izdevumu un lietotāju darbību vienotai interpretēšanai visās sistēmas daļās;
  2. Metožu un algoritmu komplekts personīgo izdevumu sistematizēšanai un klasifikācijai laikā, izmantojot kopēju ontoloģiju;
  3. Prognozējošo modeļu komplekts vai modeļu kompozīcija, kas nodrošinās izdevumu prognozēšanu periodos pa izdevumu kategorijām.
  4. Personīgā kredītreitinga un finanšu riska modelis, ņemot vērā, pieņemto finanšu un kredītiestāžu praksi.
  5. Atzinums par GDPR prasību ierobežojumiem uz kolektīvu kopsavilkuma un kopīgu modeļu izmantošanu personīgo finanšu pārvaldības jomā.
  6. Eksperimentālu un anotētu datu kopums, kas var tikt izmantots citos līdzīgos pētījumos, vai šī pētījuma rezultātu pilnveidošanai.
  7. Vismaz 2 pētījuma rezultātu publikācijas SCOPUS indeksētos izdevumos.


Plānotie praktiskie rezultāti:

Izstrādāts programmatūras prototipa risinājums kas nodrošina pētījuma ietvaros izstrādāto metožu praktisku realizāciju un nepieciešamo mākslīgā intelekta metožu lietojumu.

 

Risinājums tiks veidots atbilstoši ISO standartam, lai nodrošinātu iespēju to eksportēt ārpus Latvijas.New Paragraph

SIA “Baltijas Datoru Akadēmija” un SIA “Helmes Latvia” pētījums Nr. 1.4 “Uz viedām tehnoloģijām balstīta modulāra Personāla pārvaldības risinājuma (PPR) izstrāde” tika īstenots no 2019. gada maija līdz 2021. gada novembrim.


Projekta ietvaros pētniecības darbību rezultātā ir izstrādāts prototips brīvprātīgas darbinieku mainības (BDM) prognozēšanai, kas spēj izmantot gan datus organizācijas informācijas sistēmās, gan ārējus datu avotus. Izveidotais personāla pārvaldības risinājuma (PPR) modulis paredzēts, lai organizācijās personāla vadītāji saņemtu datos balstītus ieskatus darbinieku grupu BDM risku izvērtēšanai – personāla pārvaldības sistēma signalizētu par darbinieku izdegšanu un vēlmi mainīt darba vietu.


Pētījuma laikā tika veikta personāla vadības pieeju un biznesa prasību izpēte personāla pārvaldības jomā. Tālāk tika veikta tehnoloģiju izvēle un izveidota PPR arhitektūra.


Darbinieku BDM prognozēšanai tika izstrādāti mašīnmācīšanās modeļi, kas veic darbinieku klasifikāciju balstoties uz organizācijā pieejamajiem datiem par darbiniekiem. Izveidotie BDM prognozēšanas modeļi tika izmantoti PPR prototipa izstrādē.


Pētījuma noslēgumā PPR prototips tika validēts izmantojot reālus uzņēmumam datus, lai pārliecinātos par modeļa sniegto prognožu precizitāti. PPR prototipa validācija pierādīja, ka kopumā modeļa prognozes ir pietiekami precīzas, lai tās varētu pielietot praksē personāla pārvaldības vajadzībām.

Papildus tam tika pētītas iespējas samazināt organizācijā brīvprātīgo darbinieku mainību ar darbinieku mācību palīdzību. Rezultātā tika izveidotas un praksē validētas divas metodikas personāla attīstībai organizācijas darba vidē ar mācību analītikas un mikromācību pieeju izmantošanu, kas palīdz organizācijām samazināt BDM riskus.


 Pētījuma rezultāti ir apkopoti šādos zinātniskos rakstos:

  • Jānis Judrups, Ronalds Cinks, Ilze Birzniece, Ilze Andersone 
    “Machine learning based solution for predicting voluntary employee turnover in organization” (2021).
  • Uldis Zandbergs, Jānis Judrups, Elīna Plāne, Raitis Uščins 
    “Improvement of microlearning with help of learning analytics in enterprises” (2021).
  • Ilze Birzniece, Ilze Andersone, Agris Ņikitenko, Līga Zvirbule 
    “Predictive Modeling of HR Dynamics Using Machine Learning” (raksts pieņemts publicēšanai).

Kontaktinformācija:

Jānis Judrups

SIA “Baltijas Datoru Akadēmija”

Rīga, Dzirnavu 140

Tālr. +371 29167972

e-pasts: janis.judrups@bda.lv


Līga Zvirbule

SIA Helmes Latvia

Mūkusalas iela 42D, Rīga, LV-1004

Tālrunis: + 371 27260903

e-pasts: Liga.Zvirbule@helmes.com

SIA “Datorzinību centrs” un Latvijas Universitātes pētījums Nr. 1.5 “Pētniecības atbalsta modeļa izveide medicīnas pētījumu datu savākšanas procesa uzlabošanai” tika īstenots no 2019. gada maija līdz 2021. gada novembrim.

Pieaugot pētniecības pielietojumam piemērotu dažādu datu apjomam, svarīgu nozīmi iegūst iespēja nodrošināt tādu datu sagatavošanas procesu, kas ļautu pētniekiem koncentrēties uz pētījuma priekšmetu, nevis būtisko datu atlases un sagatavošanas procesu. Lai panāktu uzlabojumus šajā jomā, ir realizēts projekts informācijas tehnoloģiju nozarē, lai veidotu rīkus medicīnas pētniecības procesu efektivitātes palielināšanai.


Pētījuma norises gaitā tika veikta esošās situācijas un pieredzes analīze medicīnisko pētījumu datu sagatavošanā, izvērtētas to priekšrocības un trūkumi, lai uz līdzšinējās pieredzes pamata radītu uzlabotu pētniecības atbalsta modeli datu sagatavošanas procesa uzlabošanai. Tai skaitā, tika pētīta pētījuma sagatavošanas dokumentācijas veidošanas automatizācija, ņemot vērā pētījuma hipotēzi, pieejamo pacientu kopu un esošos datus, pacientu aptaujas anketu automatizētas ģenerēšanas iespējas, tika veidots modeļa dinamiskais prezentācijas slānis un pētītas datu bagātināšanas iespējas, izmantojot citus pieejamus pacientu datu avotus (piemēram, e-veselības risinājumi un citas esošas sistēmas un datubāzes).


Pētījuma rezultātā tika iegūts uz izveidotā pētniecisko datu modeļa balstīts pētniecības atbalsta IT rīka prototips un veikta tā aprobācija.


Kontaktinformācija:

SIA “Datorzinību centrs”

Lāčplēša iela 41, Rīga, LV-1011

Tālrunis: 67338366

E-pasts: dzc@dzc.lv

SIA “DIVI grupa” un Latvijas Universitātes pētījums Nr. 1.6 “Laiksakritības analīze biznesa procesu modeļos” tika īstenots no 2019. gada maija līdz 2021. gada oktobrim.

Pētījumā ir izstrādāta tehnoloģija un tās lietošanas metodika, lai ar tās palīdzību būtu iespējams atklāt laiksakritīgu biznesa procesu nekorektas izpildes iespējamību un sistēmas izstrādātājiem – novērst potenciālās nesakritības cēloņus vai sekas, saglabājot augstu sistēmas veiktspēju.


Pētījuma ietvaros tika attīstīta jauna pieeja laiksakritīgu procesu izpildei, kas balstītas uz “baltas” kastes principu. Līdzīgi kā testēšanas teorijā “baltās” kastes princips atvēra jaunas iespējas testēšanā – strukturālo testēšanu - , arī laiksakritīgas procesu izpildes iespējas būtiski paplašinās, pielietojot “baltās” kastes principus. Pētījums satur: (a) padziļinātu pilnīgas programmu testēšanas “baltās” kastes metožu izpēti un pārnesi uz laiksakritības pārbaudi biznesa procesu modeļos, (b) algoritmu izstrādi laiksakritības analīzei biznesa procesos, kas ļautu atklāt laiksakritīgu biznesa procesu nekorektas izpildes gadījumus un koriģēt to iespējamību, (c) prototipa izstrādi biznesa procesu laiksakritības analīzei un koriģēšanai, (d) prototipa aprobāciju.

Pētījuma galvenais rezultāts ir algoritms un metodoloģija biznesa procesu laiksakritīgas izpildes analīzei, kas ļauj atklāt biznesa procesu laiksakritīgas izpildes iespējamību un novērst nekorektas situācijas.


Pētījuma laikā sagatavoti un publicēti zinātniskie raksti:

  • Bicevskis, J., Bicevska, Z., Nikiforova, A., Oditis, I. Towards data quality runtime verification. (2019) Proceedings of the 2019 Federated Conference on Computer Science and Information Systems, FedCSIS 2019, art. no. 8860056, pp. 639-643. Rakstu skatīt šeit.
  • Bicevskis, J., Nikiforova, A., Karnitis, G. Oditis, I., Bicevska, Z. (2021). Risks of Concurrent Execution in e-Commerce Processes. Preproceedings of the Federated Conference on Computer Science and Information Systems.(FedCSIS’2021)pp. 459–463. Rakstu skatīt šeit.
  • Bicevskis, J., Karnitis, G. (2020). Testing of execution of concurrent processes. In Communications in Computer and Information Science, 1243 CCIS, pp. 265-279. Rakstu skatīt šeit.



Kontaktinformācija:

SIA “DIVI grupa” pētījuma koordinators/vadītājs: Zane Bičevska

Avotu iela 40A-33,

Rīga, LV - 1009

Tel.: 67291020

E-pasts: zane.bicevska@di.lv


SIA “Divi grupa” pētījums Nr. 1.7 “Biznesa procesu modeļu lietojums pilnai informācijas sistēmas funkcionalitātes testēšanai” tika īstenots no 2019. gada jūnija līdz 2020. gada decembrim.


Pētījums izstrādāts sadarbībā ar Latvijas Universitāti un tā mērķis bija pilnveidot testēšanas metodiku, balstoties uz IS biznesa procesu modeļiem, un izveidot atbalsta rīkus metodikas atbalstam. Pētījumā laikā tika sagatavots pārskats par citu autoru pētījumiem, metodoloģijām un rīkiem modeļu bāzētai testēšanai. Īpaša uzmanība tika veltīta nozarei specifisku izpildāmu modeļu izveidei. Ir izstrādāta domēnu specifiska valoda (DSL) biznesa procesu aprakstīšanai, kas vienlaicīgi kalpo gan par izveidotās sistēmas specifikāciju programmētājiem, gan par testēšanas modeli testu kopai. Pētījumā izstrādāts prototips, kas ļauj praksē pārbaudīt piedāvātās metodoloģijas pielietojamību. Nodrošināta prototipa aprobācija divos projektos, fiksējot atklāto kļūdu cēloņus un statistiku.

Pētījuma laikā sagatavotie un publicētie zinātniskie raksti:

  1. Nikiforova, A., Bicevskis, J., Bicevska, Z., Oditis, I. (2020). Data Quality Model-based Testing of Information Systems: the Use-case of E-scooters. The 7th IEEE International Conference on Internet of Things: Systems, Management and Security (IoTSMS 2020) – nominēts labākā darba balvai konferencē IoTSMS 2020, Parīzē
  2. Bicevskis, J., Bicevska, Z., Nikiforova, A., Oditis, I. (2020). Data Quality Model-based Testing of Information System - ir ieguvis ISM2020 (FedCSIS2020 ietvaros) – labāka raksta balva konferencē Sofijā (Scopus). Rakstu skaitīt šeit.
  3. Nikiforova, A., & Bicevskis, J. (2020). Towards a Business Process Model-based Testing of Information Systems Functionality. In ICEIS (2) (pp. 322-329) (Scopus). Skat. Rakstu skatīt šeit.
  4. Bicevskis, J., Bicevska, Z., Nikiforova, A., & Oditis, I. (2019, September). Towards Data Quality Runtime Verification. In 2019 Federated Conference on Computer Science and Information Systems (FedCSIS) (pp. 639-643). IEEE (Scopus)
  5. Nikiforova, A., Bicevskis, J., Bicevska, Z., Oditis, I. Data Quality Model-based Testing of Information Systems: Two-level Testing of the Insurance policy system – sagatavots FedCSIS2020 paplašinātais raksts.

SIA “ABC Software” pētījums Nr. 1.8 “Netipisko darbību noteikšana, piemērojot daļēji uzraudzītu apmācības

(semi-supervised) pieeju klašu nelīdzsvarotā vidē” tika īstenots no 2019. gada aprīļa līdz 2020. gada septembrim.


Pētījums īstenots ar mērķi izstrādāt metodi netipisko darbību noteikšanai, piemērojot daļēji uzraudzītu apmācības (semi-supervised) pieeju klašu nelīdzsvarotā vidē, kas veiks lietotāja sesijas novērtēšanu pret dažāda veida uzbūvētiem lietotāju profiliem. Jauno metodi ir paredzēts lietot kombinācijā ar iepriekšējā pētījumā izpētīto metodi tipveida darbību profilēšanai. Tas ļaus būtiski paplašināt programmproduktu funkcionalitāti, kur, lietojot abas metodes kopā, būs iespējams izveidot ne tikai anomālo darbību analīzes sistēmas, bet arī kiberdrošības risinājumus ar lēmuma pieņemšanas funkcijām.

Pētījuma laikā sagatavots un iesniegts publicēšanai zinātniskais raksts:

  • Parashutin, S., Kirshners, A., Kornijenko, Y., Zabiniako, V., Gasparovica-Asite, M. and Rozkalns, A. (2020). Classification with LSTM Networks in User Behavious Analytics With Unbalanced Environment.

 

Kontaktpersona:

SIA "ABC software" projekta zinātniskais vadītājs Jurijs Korņijenko 

Tallinas iela 51A, Rīga, LV-1002

Tel.: 67082600

E-pasts: abcsoftware@abcsoftware.lv; Jurijs.Kornijenko@abcsoftware.lv

SIA “Lursoft IT” un Rīgas Tehniskās universitātes pētījums Nr. 1.9 “Prototipa izveide kontroles dienestu un finanšu regulatoru pienākumu izpildes nodrošināšanai, kā arī privātā sektora klientu portfeļu pārvaldībai” tika īstenots no 2019. gada maija līdz 2020. gada novembrim.


Pētījuma ietvaros sadarbībā ar Rīgas Tehnisko universitāti tika izveidots prototips uzraugošo iestāžu pienākumu izpildes nodrošināšanai un privātā sektora klientu portfeļa pārvaldībai. Prototips, izmantojot projekta gaitā izveidoto modeli, nodrošina Latvijas uzņēmumu risku analīzi, uzņēmumu klasificēšanu. Modelī tiek izmantotas mašīnmācīšanās metodes. Izstrādātajam modelim ir tādas funkcionālās iespējas, kas nodrošina tā attīstību, modifikāciju atbilstoši tirgus nepieciešamībai (piemēram, jaunu parametru, kritēriju izvēle) u.tml., tādējādi nodrošinot ilgtermiņā dzīvotspējīga modeļa izmantošanu.

Pētījuma rezultāti ir publicēti divos zinātniskos rakstos:


AS “RIX Technologies” starpnozaru pētījums Nr. 1.10 “Dokumentu klasificēšanas, indeksēšanas un piešķiršanas automatizēta procesa modeļa izveide” tika īstenots no 2019. gada aprīļa līdz 2020. gada aprīlim.


Pētījums izstrādāts sadarbībā ar Rīgas Austrumu klīnisko universitātes slimnīcu ar mērķi izveidot un aprobēt dokumentu viedās sistematizācijas procesa modeli. Izmantojot mašīnmācīšanās metodes, pētījuma ietvaros tika izveidots elastīgs dokumentu viedās sistematizācijas atbalsta ietvars un tā prototips, kurš nodrošina dokumentu klasificēšanas botu apmācību, testēšanu un rezultātu analīzi, kā arī apmācības procesa konfigurēšanu.

Pētījuma rezultāti ir publicēti divos zinātniskos rakstos:

  • J. Rāts, I. Pede. Document Capturing Automation: Case Study. Baltic J. Modern Computing, Vol. 8 (2020), No. 2, 259-274 https://doi.org/10.22364/bjmc.2020.8.2.04
  • J. Rāts, I. Pede, T. Rubina, G. Vītols. A Flexible Model for Enterprise Document Capturing Automation. International Conference on Enterprise Information Systems (ICEIS) 5-7 May 2020, Vol. 1, p. 297-304.

SIA “ABC Software” pētījums Nr. 1.11 “IT sistēmu lietotāju uzvedības analīze un realizēto biznesa procesu efektivitātes uzlabošana, izmantojot AI/ML” tika īstenots no 2020. gada septembra līdz 2021. gada novembrim.

IT sistēmu lietotāju uzvedības analīze un biznesa procesu efektivitātes uzlabošana parasti tiek realizēta ar informācijas savākšanu un apkopošanu, kas notiek, izmantojot dažādas kvalitatīvas un kvantitatīvas metodes, ieskaitot intervijas, biznesa jomas un procesu izpēti, ikdienu darba satura un lietošanas pieredzes analīzi. Šī procesa uzmanības centrā ir sistematizēta pieeja datu savākšanai un savākto datu interpretācijai, kur pamata izaicinājums ir strukturēta un metodiska analīzes un izpētes rīku izvēle. Pētījuma mērķis bija piedāvāt un aprobēt uz sintētiskajiem datiem balstītu inovatīvu metodi lietotāju uzvedības analīzei un biznesa procesu efektivitātes uzlabošanai, pamatojoties uz AI/ML pieeju. Pētījums tika veikts sadarbībā ar partneri no finanšu nozares - SEB banka.


Pētījuma ietvaros ir izstrādāta metode, kas veiks IT sistēmu lietotāju darbību efektivitātes novērtējumu, klasifikāciju un sniegs rekomendācijas IT sistēmu realizēto biznesa procesu optimizācijai un lietojamības uzlabošanai.


Pētījuma laikā sagatavoti un publicēti zinātniskie raksti:

  • Ņikiforova, Oksana, Zabiniako, Vitaly, Kornienko, Jurijs, Gasparoviča-Asīte, Madara and Siliņa, Amanda «Mapping of Source and Target Data for Application to Machine Learning Driven Discovery of IS Usability Problems», Applied Computer Systems, vol.26, no.1, 2021, pp.22-30. Rakstu skatīt šeit.
  • Ņikiforova, Oksana, Zabiniako, Vitaly, Kornienko, Jurijs, Gasparoviča-Asīte, Madara and Siliņa, Amanda «Solution for Analysis of IT Systems Users Behavior by Using AI/ML algorithms», Applied Computer Systems, vol.26, no.2, 2021.

Kontaktinformācija:

SIA "ABC software" projekta zinātniskais vadītājs Jurijs Korņijenko

Tallinas iela 51A, Rīga, LV-1002

Tel.: 67082600

E-pasts: abcsoftware@abcsoftware.lv; Jurijs.Kornijenko@abcsoftware.lv

SIA “WeAreDots” un zinātniski tehniskās firmas “Lāsma” pētījums Nr. 1.12 “Multiobjektu detektēšana un izsekošana transportlīdzekļu satiksmes novērošanai: 3D-LiDAR un kameras datu apvienošana” tiek īstenots no 2020. gada aprīļa un tas jāpabeidz līdz 2021. gada septembrim.

Projekta mērķis ir izstrādāt reāllaika tehnoloģiju vienlaikus vairāku transportlīdzekļu detektēšanai un izsekošanai, to kustības notikumu fiksācijai un transporta kustības plānošanai, izmantojot 3D lāzera skenēšanas un kameras datu apvienošanu.

Pētījuma mērķa sasniegšanai tiks īstenots rūpnieciskais pētījums, kura ietvaros tiks izveidots 3D lāzera skenēšanas un video kameras sistēmas modelis, lai pārvarētu apgaismojuma izmaiņas, ēnas traucējumu un objekta oklūzijas (pārklāšanās) problēmas vairāku transportlīdzekļu detektēšanas un izsekošanas reāllaikā. Projekta sadarbības partneris sabiedrība ar ierobežotu atbildību zinātniski tehniskā firma “LĀSMA” nodrošinās Projektam nepieciešamās iekārtas atbilstoši Projekta sasniedzamajam mērķim, veicot padziļinātu analīzes procesu par iekārtu darbību, transporta tipu kustības īpašībām un raksturlielumiem. Papildus tam tiks veikta transporta plūsmas analizēšana, metožu izveidošana un attīstīšana, kā arī iekārtu nepieciešamā novietojuma izpēte.

Pētījuma rezultātu publiskošanai tiks sagatavoti divi zinātniskie raksti.

Eksperimentālās izstrādes laikā tiks izstrādāts prototips vairāku transportlīdzekļu detektēšanas un izsekošanas reāllaika tehnoloģijas validācijai, izmantojot LiDAR un kameras apvienotos datus.

SIA “Dati group” pētījums Nr. 1.13 “Resurstaupīgi skaitļošanas uzdevumu optimizācijas risinājumi” tika īstenots no 2020. gada februāra līdz 2021. gada novembrim.

Skaitļošanas uzdevumu veikšanai izmantotais datu apjoms pastāvīgi pieaug un tā apstrādei ir nepieciešama arvien lielāka jauda, resursi un enerģija (Rong, 2015). Jaudas nepietiekamības problēma pašlaik tiek risināta horizontāli mērogojot skaitļošanas infrastruktūras resursus, turklāt, arvien lielāku daļu IT sistēmu veido mantotas (legacy) sistēmas (Rosenberg, n.d.). Lai nodrošinātu efektīvu esošo sistēmu izmantošanu, samazinot nepieciešamo dabas resursu patēriņu, pētījuma ietvaros tika analizētas dažādas metodes resurstaupīgai skaitļošanas uzdevumu optimizācijai un izstrādāta skaitļošanas uzdevumu optimizācijas platforma.


Izmantojot radīto, publiski pieejamo, modulāro ReCoTOS (Resource-saving Computing Task Optimisation Solution) platformu iespējama palīgprocesu automatizācija un optimizācijas labās prakses uzkrāšana šablonu veidā. Platformas pieeja ļauj nākotnē nodrošināt ērtu skaitļošanas uzdevumu veiktspējas testēšanu un optimizāciju dažādas arhitektūras procesoriem un ierobežotas jaudas malas iekārtām.


Galvenie pētījuma rezultāti iekļauj uzdevumu izpildes laika samazinājumu par:

  • 78 – 91%, izmantojot Matricu reizināšanas šablonus (strukturālas izmaiņas kodā);
  • 66 – 78%, izmantojot Kārtošanas šablonus (strukturālas izmaiņas kodā);
  • 47%, izmantojot 2D masīva apstrādes šablonu (strukturālas izmaiņas kodā);
  • 43% ar ārējās bibliotēkas izmantošanas šablonu (ārējās bibliotēkas aizstāšana).

Pētījuma laikā sagatavoti 2 zinātniskie raksti:

  • Jānis Kampars, Janis Irbe, Girts Kalnins, Guntis Mosans, Rasa Gulbe, Krisjanis Pinka. ReCoTOS: A Methodology for Vectorization-based Resource-saving Computing Task Optimization. Published 15 October 2020. 2020 61st International Scientific Conference on Information Technology and Management Science of Riga Technical University (ITMS). Rakstu skatīt šeit.
  • Jānis Kampars, Guntis Mosāns, Jānis Zuters, Aldis Gulbis, Rasa Gulbe. ReCoTOS: A Platform for Resource-Sparing Computing Task Optimization. Raksts iesniegts https://enase.scitevents.org/.


 

Kontaktinformācija:

 

SIA " DATI Group"

Balasta dambis 80A, Rīga, LV-1048

Tel.: 67602797

E-pasts: info@datigroup.com


SIA “ABC Software” pētījums Nr. 1.14 “Inženierprojektēšanas nozares specializēto IT sistēmu lietotāju vienota uzvedības modeļa konstruēšanas metodes izveide, izmantojot AI/ML algoritmus.”, ID: 1.2.1.1/18/A/003.


Pētījuma mērķis: Inženierprojektēšanas nozarē plaši izmantoto IT sistēmu (AutoCAD un Lotsia PDM) lietotāju tipveida uzvedības modeļa konstruēšanas metodes izstrāde, izmantojot – vienlaicīgas lietošanas pieredzi.

Pētījuma rezultātā tiks radīta jauna metode, kas, izmantojot mašīnmācīšanās pieeju, spēs dinamiski analizēt IT sistēmu lietotāju darbības daudzsistēmu vidē, veidot lietotāju tipveida uzvedības profilus, uzraudzīt uzvedību katram lietotājam un identificēt tā netipiskas darbības.


Galvenās aktivitātes: Eksperimentālo izstrāžu laikā daudzsistēmu vide tiks konstruēta tā, lai nākotnē izstrādātajai metodei būtu pielietojums ne tikai uzņēmumā Olimps , bet visā inženiertehniskajā nozarē kopumā. Tas nozīmē, ka kā lietotāju darbību audita datu un dažādu fiksētu notikuma datu avoti tiks izmantoti gan Olimps esošās IT sistēmas, gan pasaulē plaši izmantoti standarta produkti ar standartizētiem API kā, piemēram, specializēts inženiertehnisko projektu izstrādes rīks AutoCad, inžniertehnisko produktu dzīves cikla pārvaldības risinājums Lotsia (Product Data Management/Team Data Management),un iespējams citas nozarē izmantotas IT sistēmas.

Rūpnieciskā pētījuma ietvaros paredzēts izveidot pētījumam nepieciešamos tehnoloģiskos komponentus un izstrādāt specifikāciju: “IT daudzsistēmu vides lietotāju vienota uzvedības modeļa konstruēšanas metodes aprakts”. Eksperimentālās izstrādes ietvaros paredzēts izveidot modeļa prototipu un pārbaudīt tā darbību mākslīgā vidē.


Pētījuma rezultāti tiks apkopoti divos zinātniskos rakstos, kurus paredzēts publicēt starptautiskos zinātniskos izdevumos, kas tiek indeksēti Web of Science, SCOPUS, ERIH (A vai B) vai ScienceDirect Elsevier resursos.


Projektu līdzfinansē Eiropas Reģionālās attīstības fonds Darbības programmas "Izaugsme un nodarbinātība" 1.2.1. specifiskā atbalsta mērķa "Palielināt privātā sektora investīcijas P&A" 1.2.1.1. pasākuma "Atbalsts jaunu produktu un tehnoloģiju izstrādei kompetences centru ietvaros.

SIA “DIVI grupa”, SIA “FitsyPro” un Latvijas universitātes starpnozaru pētījums Nr. 1.15 “Mākslīgā intelekta pielietojums e-mobilitātes risinājumu optimizācijai”,

ID: 1.2.1.1/18/A/003.


Pētījuma īstenošana uzsākta 2021. gada februārī un to plānots pabeigt 2022. gada maijā.

Pētījuma mērķis ir izstrādāt algoritmu, lai optimizētu transporta iekārtu (automašīnu, skrejriteņu, mopēdu) izvietošanas un apkopes procesus. Pašlaik transporta iekārtu izvietošanas un apkopes procesi tiek organizēti intuitīvi – iekārtas tiek izvietotas, balstoties uz iesaistīto darbinieku subjektīvo pieredzi, apkopes procesu loģistika prasa lielus resursus un ir neefektīva (lieki braucieni, garas pauzes u.tml.) Tajā pat laikā sadarbības partneris ir uzkrājis lielu datu kopu par pagātnes notikumiem, kas pagaidām netiek automatizētā veidā izmantota.


Procesu automatizāciju paredzēts panākt ar mākslīgā intelekta un mašīnmācīšanās metožu palīdzību, izveidojot unikālu pieeju, kas, izmantojot uzkrātos pagātnes datus par braucieniem, ļautu precīzi plānot un kontrolēt iekārtu izvietošanu un apkopi.

Pētījuma virsmērķis ir, balstoties uz pagātnes datiem, palielināt transporta iekārtu braucienu skaitu, lietojot pēc iespējas mazāk un īsākus servisa braucienus (apkopes). Izveidotais risinājums potenciāli būtu izmantojams arī citās nozarēs, kur tiek risināti ar objektu ģeogrāfisku izvietojumu saistīti uzdevumi – loģistika, transports, reklāma u.c.


Pētījuma ietvaros paredzēts: (1) izpētīt zinātniskajos avotos atrodamās radniecīgās idejas, t. sk. iepazīties ar relevantajām mašīnmācīšanās un mākslīgā intelekta metodēm, (2) izstrādāt algoritmu transporta iekārtu izvietošanai un apkopju plānošanai, (3) implementēt izveidoto algoritmu risinājuma prototipā, (4) aprobēt izveidoto prototipu sadarbības partnera biznesa procesos, analizēt iegūtos rezultātus.


Pētījuma galvenais rezultāts ir algoritms iekārtu izvietojuma un apkopes procesu optimizācijai, kā arī atbilstošs risinājuma prototips, kas aprobēts transporta nomas uzņēmumā – pie pētījuma sadarbības partnera. Pētījuma ietvaros arī tiks sagatavoti un iesniegti publicēšanai vismaz 2 zinātniskie raksti.

 

Projektu līdzfinansē Eiropas Reģionālās attīstības fonds Darbības programmas "Izaugsme un nodarbinātība" 1.2.1. specifiskā atbalsta mērķa "Palielināt privātā sektora investīcijas P&A" 1.2.1.1. pasākuma "Atbalsts jaunu produktu un tehnoloģiju izstrādei kompetences centru ietvaros.

A/S “RIX Technologies” starpnozaru pētījums Nr. 1.17 “Dokumenta reprezentācijas modeļa veidošana dokumentu automatizētas klasifikācijas augstas precizitātes nodrošināšanai”, ID: 1.2.1.1/18/A/003.


Pētījuma īstenošana uzsākta 2021. gada aprīlī un to plānots pabeigt 2022. gada maijā.

Pētījums tiek īstenots sadarbībā ar Rīgas Austrumu Klīnisko Universitātes Slimnīcu.


Digitalizētu dokumentu klasificēšana izmantojot mašīnmācīšanā balstītas teksta klasifikācijas metodes ļauj iegūt augstas precizitātes rezultātus. Tomēr pat 90% precizitāte (iepriekšējā pētījumā sasniegtā maksimālā precizitāte) nozīmē, ka katrs desmitais dokuments tiek vai nu klasificēts nepareizi vai arī netiek klasificēts. Tāds kļūdas procents var būt par šķērsli risinājuma veiksmīgai izmantošanai, tāpēc ir svarīgi izmantot katru iespēju klasificēšanas precizitāti uzlabot.

Pētījuma mērķis ir attīstīt iepriekšējā pētījumā (1.10 “Dokumentu klasificēšanas, indeksēšanas un piešķiršanas automatizēta procesa modeļa izveide”) izstrādāto dokumentu klasificēšanas ietvaru trīs virzienos.


Pētījuma ietvaros tiks analizēta publiski pieejamā zinātniskā un tehniskā literatūra par digitālu un skenētu dokumentu izvietojuma (struktūras) identificēšanu un reprezentācijas izveidi izmantošanai dokumentu klasificēšanā, kā arī par neuzraudzītās mašīnmācīšanas (tai skaitā klasteranalīzes) metožu izmantošanu dokumentu kopas apjomīgāko klašu noteikšanā.


Pētījuma rezultātu ieviešana uzlabos automatizētās dokumentu klasificēšanas precizitāti, kā arī paplašinās tās lietojamību, iekļaujot klasificējamajos dokumentos arī skenētos dokumentus. Iegūtā tehnoloģija tiks realizēta kā mākoņpakalpojums, tādējādi nodrošinot mērogojamību un attālinātas izplatīšanas iespējas.

 

Projektu līdzfinansē Eiropas Reģionālās attīstības fonds Darbības programmas "Izaugsme un nodarbinātība" 1.2.1. specifiskā atbalsta mērķa "Palielināt privātā sektora investīcijas P&A" 1.2.1.1. pasākuma "Atbalsts jaunu produktu un tehnoloģiju izstrādei kompetences centru ietvaros.

SIA “Datorzinību centrs” starpnozaru pētījums Nr. 1.18 “Putnkopības uzņēmumu ražošanas kvalitātes aspektu un peļņas uzlabošana, uz datu analīzi un prognozēšanu balstītu precīzās putnkopības metožu pielietojuma rezultātā”, ID: 1.2.1.1/18/A/003.


Pētījumu tiek īstenots no 2021. gada janvāra un to plānots pabeigt 2022. gada maijā.

Putnkopības nozares uzņēmumi atkarībā no to izmēra savā darbībā saskaras ar daudziem izaicinājumiem - plašām ražošanas teritorijām, lielu darbinieku skaitu, relatīvi īsiem ražošanas cikliem, ievērojamiem ražošanas apjomiem un bioloģiskajām sistēmām. Šāda veida ražošanas, vadīšanai, globālu lēmumu pieņemšanai, kā arī operatīvu ražošanas lēmumu pieņemšanai ir nepieciešama automatizēta datu vākšana, to operatīvs pielietojums un analīze.


Projekta laikā tiks veikti pētījumi, lai noteiktu ražošanas procesa prognozēšanai nepieciešamo un izmaksu ziņā pamatoto analizējamo parametru apjomu, izvēlētos piemērotākās datu analīzes metodes vai to kombinācijas (statistikas, mākslīgā intelekta, lielo datu), izveidojot korelāciju modeli, kas aprakstīs ražošanas procesa raksturojošo parametru (vides faktori, barības receptūra, utt.) ietekmi uz putnu audzēšanas / olu ražošanas procesa rezultātu (gatavā produkcija) un blakusparādībām (putnu veselība, utt) un izveidojot IT rīka prototipu, balstoties uz kādu no tirgū pieejamajām platformām (piemēram, Azure Cognitive Services, Azure DataBricks).


Projekta rezultātā paredzēts izveidot tāda mākoņpakalpojumu vidē darbināma datu vākšanas un analīzes rīka prototipu, kas nodrošinās tehniskos līdzekļus un funkcionalitāti, kas ļautu uz datu analīzes rezultātā iegūto rekomendāciju pamata plānoti veidot optimālu audzēšanas procesu vai veikt jau notiekoša procesa izmaiņas, lai kompensētu dinamiski mainīgu apstākļu ietekmi. Tiks veikta arī prototipa aprobācija reālajos ražošanas apstākļos.

Projekta rezultāts būs pielietojams gan citos putnkopības uzņēmumos, gan citās lopkopības un augkopības nozarēs.

 

Projektu līdzfinansē Eiropas Reģionālās attīstības fonds Darbības programmas "Izaugsme un nodarbinātība" 1.2.1. specifiskā atbalsta mērķa "Palielināt privātā sektora investīcijas P&A" 1.2.1.1. pasākuma "Atbalsts jaunu produktu un tehnoloģiju izstrādei kompetences centru ietvaros.

SIA “Lursoft IT” un SIA “POTAPOVIČA un ANDRESONE” starpnozaru pētījums Nr. 1.19 “Normatīvo aktu un dažādu valstu uzņēmumu finanšu datu salīdzinoša analīze uzņēmējdarbības rezultātu prognozēšanai”, ID: 1.2.1.1/18/A/003.


Pētījuma īstenošana uzsākta 2021. gada februārī un to plānots pabeigt 2022. gada martā.

Projekta mērķis ir izveidot modeli un tā prototipu, kas, veicot normatīvo aktu un dažādu valstu uzņēmumu finanšu datu salīdzinošo analīzi, prognozē uzņēmējdarbības rezultātus. Modelēšanu paredzēts veikt, izvērtējot un salīdzinot dažādu valstu uzņēmumu finanšu datus, un papildus tam izanalizējot valstī noteikto normatīvo regulējumu, identificējot nosacījumus, kas sekmē uzņēmējdarbības attīstību un izaugsmi, kā arī nosacījumus, kas kavē uzņēmumu (vai arī kādas nozares) izaugsmi. Detalizētāk projekta gaitā plānots analizēt normatīvo regulējumu, kas saistīts ar par parādu pārstrukturēšanu un maksātnespēju (ES Direktīva 2019/1023 par preventīvās pārstrukturēšanas regulējumu, parādsaistību dzēšanu un diskvalifikāciju un ar pārstrukturēšanu, maksātnespēju un parādsaistību dzēšanu saistīto procedūru efektivitātes palielināšanas pasākumiem). Šīs direktīvas mērķis ir sekmēt iekšējā tirgus pienācīgu darbību un novērst šķēršļus, kuri liedz īstenot pamatbrīvības, piemēram, kapitāla brīvu apriti un brīvību veikt uzņēmējdarbību un kuru rašanās cēlonis ir atšķirības, kas pastāv valstu tiesību aktos un ar preventīvo pārstrukturēšanu, maksātnespēju, parādsaistību dzēšanu un diskvalifikāciju saistītajās procedūrās.


Projekta ietvaros plānotas šādas aktivitātes:

  • Izstrādāt modeli, kas ļauj analizēt uzņēmējdarbības vidi, balstoties uz normatīvo dokumentu un finanšu datu analītikas rezultātiem (mērķis – lai to izmantotu agrīnās apziņošanas sistēmas ieviešanai, uzņēmumu uzraudzībai, parādu restrukturācijas plāna saskaņošanai ar kreditoriem vēl pirms uzņēmuma maksātnespējas iestāšanās);
  • Prototipa izstrāde modeļa pārbaudei;
  • Modeļa validācija, izmantojot prototipu.

Paredzēts, ka projekta ietvaros gūtās zināšanas, t.i. pielietotās modelēšanas metodes un IT risinājumos iestrādātie finanšu koncepti un matemātiskie algoritmi, tiks apkopoti divos zinātniskos rakstos, kurus paredzēts publiskot.


Projektu līdzfinansē Eiropas Reģionālās attīstības fonds Darbības programmas "Izaugsme un nodarbinātība" 1.2.1. specifiskā atbalsta mērķa "Palielināt privātā sektora investīcijas P&A" 1.2.1.1. pasākuma "Atbalsts jaunu produktu un tehnoloģiju izstrādei kompetences centru ietvaros.

Dabīgās valodas tehnoloģijas

IT kompetences centra zinātniskais virziens “Dabīgās valodas tehnoloģijas” atbilst viedās specializācijas jomas “Informācijas tehnoloģijas” plānotajam perspektīvajam virzienam “Valodu tehnoloģijas un semantiskais tīmeklis”.

Dabīgās valodas tehnoloģijas ir viena no pasaules IKT nozares aktualitātēm un būtisks potenciālais tirgus nozares komersantiem, attīstoties mašīntulkošanai, virtuālajiem asistentiem, runas tehnoloģijām u.t.t.. Lielās valodas labi attīstās digitālajā vidē, to attīstībā lielus līdzekļus ieguldījušas lielās valstis un vadošās IT nozares kompānijas, bet mazajām valodām nepieciešami būtiski ieguldījumi tehnoloģijās, lai šīs valodas attīstītu un tās saglabātos arī digitālajā formātā.

Pateicoties Latvijas pētnieku un komersantu aktivitātēm un sasniegumiem šajā jomā, Latvijai ir būtiskas priekšrocības šajā IT virzienā un būtiski tās intensīvi attīstīt. Viens no Eiropas komisijas atbalsta rīkiem IT jomā – CEF digital50 atbalsta automatizētās tulkošanas / mašīntulkošanas projektus, bet šis ir atbalsts produktiem, kuri atrodas jau ieviešanas, nevis pētniecības un izstrādes posmā. Līdz ar to Latvijas IT nozares komersantiem būtiski attīstīt jaunas izstrādes, lai pēc tam varētu tās ieviest atbilstoši tirgus tendencēm un ES prioritātēm.


SIA “WeAreDots” pētījums Nr. 2.1 “Personu ilgtermiņa atkārtotas identifikācijas

(Re-ID) risinājums izglītības kvalitātes paaugstināšanai” īstenots no 2019. gada aprīļa līdz 2020. gada aprīlim.


Pētījums īstenots ar mērķi izstrādāt reāllaika fiziskās personas Re-ID risinājumu izglītības iestādēs neattaisnotu kavējumu uzskaitei, izglītojamo drošības paaugstināšanai un administratīva sloga mazināšanai.

Izstrādātais Re-ID risinājums dos iespēju uzlabot izglītojamo drošību, samazinot sabiedriskās kārtības traucējumus un ar tiem saistīto kaitējumu personu veselībai. Tā kā skolas pienākumos ietilpst nodrošināt bērnu drošību skolā, tā ir tiesīga paredzēt skolas kārtības noteikumos novērošanas kameru izmantošanu skolas telpās un teritorijā. Šis risinājums automatizē funkcijas, kuras skolai uzliek esošā likumdošana: skolēnu atpazīšanu, to klātbūtnes un prombūtnes reģistrēšanu žurnālā un/vai elektronisko identificēšanu, informāciju, ka trauksmes laikā kāds skolēns nav pametis skolas telpas utt.

Pētījuma laikā sagatavoti un publicēti zinātniskie raksti:

  • Arhipova, I., Vitols, G., Meirane, I. (2020) Long Period Re-Identification Approach to Improving the Quality of Education: A Preliminary Study. In: Arai K., Kapoor S., Bhatia R. (eds) Advances in Information and Communication. FICC 2020. Advances in Intelligent Systems and Computing, vol 1130. Springer, Cham., pp. 157-168. Raksts ir iekļauts konferences krājumos un ir indeksēts SCOPUS datubāzē. Ar materiālu var iepazīties: https://link.springer.com/chapter/10.1007/978-3-030-39442-4_14
  • Bumanis, N., Vitols, G., Arhipova, I., Meirane, I. Children Face Long-term Identification in Classroom: Prototype Proposal. Proceedings of the 22nd International Conference on Enterprise Information Systems (ICEIS 2020), 5-7 May 2020, Volume 2, pp. 287–293. Raksts ir iekļauts konferences krājumos un tiks indeksēts SCOPUS datubāzē. Ar materiālu var iepazīties šeit. https://www.scitepress.org/PublicationsDetail.aspx?ID=7qQO7kiRdCs=&t=1

SIA “TILDE” pētījums Nr. 2.2  “Adaptīva multimodāla neironu tīklos balstīta mašīntulkošana” tika īstenots no 2019. gada aprīļa līdz 2021. gada martam.


Projekta mērķis bija izpētīt un izstrādāt adaptīva multimodāla neironu tīklos balstīta mašīntulkošanas risinājuma prototipu, kas spēj nodrošināt augstas kvalitātes tulkojumus (izmantojot jaunākās neironu tīklos balstītās mašīntulkošanas metodes), nodrošina mašīntulkošanu gan teksta, gan runas modalitātēs, kā arī spēj nodrošināt augstas pielāgošanas iespējas (izmanto dinamiskas terminoloģijas integrācijas neirontulkošanas sistēmās un neirontulkošanas sistēmu tiešsaistes pielāgošanas metodes).

Pētījumā tika īstenotas četras aktivitātes – trīs rūpnieciskā pētījuma aktivitātes un viena eksperimentālās izstrādes aktivitāte. Pirmajā aktivitātē tika pētītas neirontulkošanas sistēmu dinamiskās apmācības metodes (piemēram, tiešsaistes apmācības un pašpielāgošanas metodes, izmantojot integrētas tulkošanas atmiņas funkcionalitāti). Otrajā aktivitātē tika pētītas terminoloģijas integrācijas metodes neirontulkošanas sistēmās (piemēram, virzītas dekodēšanas metodes, kas ļauj nodrošināt invazīvas terminu integrācijas metodi, un/vai automātiskas pēcrediģēšanas metodes, kas ļauj nodrošināt neinvazīvas terminu integrācijas metodi). Trešajā aktivitātē tika pētītas metodes, kas ļauj nodrošināt runas modalitātes mašīntulkošanas atbalsta nodrošināšanu (piemēram, integrācijas metožu izpēti, mašīntulkošanas sistēmu runas modalitātes satura tulkošanas specifikas pielāgošanas u.c. metodes). Ceturtajā aktivitātē tika izstrādāts adaptīva multimodāla neironu tīklos balstīta mašīntulkošanas risinājuma prototips, ar kura palīdzību tika pārbaudīta būtiskāko pirmo trīs aktivitāšu rezultātu praktiska lietojamība.

 

Pētījuma laikā sagatavotie un publicētie zinātniskie raksti:

  • Alves, D., Salimbajevs, A., & Pinnis, M. (2020). Data Augmentation for Pipeline-Based Speech Translation. Human Language Technologies – The Baltic Perspective - Proceedings of the Ninth International Conference Baltic HLT 2020. https://ebooks.iospress.nl/volumearticle/55526
  • Bergmanis, T., & Pinnis, M. (2021). Facilitating Terminology Translation with Target Lemma Annotations. Proceedings of the 16th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2021). https://www.aclweb.org/anthology/2021.eacl-main.271/

SIA “TILDE” pētījums Nr. 2.3 “Neironu tīklu mašīnmācīšanās metodes virtuālo asistentu dialogu scenāriju izveides automatizācijai” tika īstenots no 2019. gada aprīlim līdz 2021. gada martam.


Pētījumā tika pētītas metodes, kas ļauj automatizēt virtuālo asistentu (VA) dialogu scenāriju izveidi, izmantojot neironu tīklu mašīnmācīšanās metodes.

Lai izstrādātu virtuālos asistentus, kas var palīdzēt speciālistiem klientu apkalpošanā, joprojām ir jāiegulda daudz cilvēku darba. Organizācijas, kas apkalpo savus klientus, parasti ir uzkrājušas sarunu arhīvus gan teksta, gan audio formātā, tomēr VA apmācībai pašlaik var izmantot tikai nelielu daļu šo datu. Mūsdienīgi VA parasti strādā atbilstoši dialoga scenārijiem, kas tiek izpildīti atkarībā no lietotāja nolūkiem un no datiem, kas tiek iegūti no lietotāja. VA analizē lietotāja ievadi, nosaka lietotāja nodomu un entitātes, izpilda dialoga scenārija soļus un atbild lietotājam. Šobrīd mašīnmācīšanās metodes tiek izmantotas, lai apmācītu sistēmu nodoma noteikšanā un entitāšu atpazīšanas modeļu apguvē, bet dialoga scenāriji un asistenta atbildes parasti tiek veidotas manuāli. Tāpēc pētījumā tika meklētas metodes, kas ļaus VA dialoga scenārijus mācīt no piemēriem. Pētījumā izstrādātās metodes tika veidotas pēc iespējas valodneatkarīgas, lai tās varētu izmantot gan Baltijas tirgū, gan globālajā tirgū pieprasītām valodām.

Pētījuma rezultātā tika radīta plaša teorētiskā bāze un metodes, ar kuru palīdzību var efektīvāk izstrādāt plaša lietojuma VA. Jaunās zināšanas šajā jomā ir palielinājušas inovatīvu produktu un pakalpojumu veidošanu, kā arī paaugstinājušas uzņēmuma kopējo konkurētspēju.

SIA “LETA” pētījums Nr. 2.4 “Semantiski strukturētas informācijas izguves platforma liela apjoma latviešu valodas ziņu arhīva apstrādei” tika īstenots no 2019. gada jūnija līdz 2020. gada decembrim.


Pētījums izstrādāts sadarbībā ar Latvijas Universitātes Matemātikas un informātikas institūtu un tā mērķis bija būtiski attīstīt latviešu valodas teksta sapratnes tehnoloģijas ziņu arhīva apstrādes un mediju monitoringa vajadzībām.

Projekta laikā ir izstrādāts un novērtēts mākslīgā intelekta sistēmas prototips strukturētas informācijas – faktu (piemēram, uzņēmuma nosaukums, apgrozījums, amatpersonas) – automatizētai izguvei, apkopošanai un analīzei no apjomīgiem un daudzveidīgiem patvaļīga teksta avotiem, tādiem kā LETA ziņu arhīva.

Pētījuma laikā sagatavotie un publicētie zinātniskie raksti:

 

  1. Uldis Bojārs, Roberts Darģis, Uldis Lavrinovičs, Pēteris Paikens, “LinkedSaeima: a Linked Open Dataset of Latvia's Parliamentary Debates” publikācija Semantics-2019: (Scopus).  Skat. https://link.springer.com/chapter/10.1007/978-3-030-33220-4_4
  2. Guntis Barzdins, Didzis Gosko, Paulis F. Barzdins, Uldis Lavrinovics, Gints Bernans, Edgars Celms “RDF* Graph Database as Interlingua for the TextWorld Challenge”, sagatavota publikācija CoG-2019 (Scopus) Skat. https://ieeexplore.ieee.org/document/8848012 
  3. Guntis Barzdins, Didzis Gosko, Karlis Cerans, Oskars F. Barzdins, Arturs Znotins, Paulis F. Barzdins, Normunds Gruzitis, Mikus Grasmanis, Janis Barzdins, Uldis Lavrinovics, Sinty K. Mayer, Intars Students, Edgars Celms, Arturs Sprogis, Gunta Nespore-Berzkalne, Peteris Paikens “Pini Language and PiniTree Ontology Editor: Annotation and Verbalisation for Atomised Journalism”, sagatavota publikācija ESWC-2020: (Scopus) Skat. https://link.springer.com/chapter/10.1007/978-3-030-62327-2_6

SIA “Datorzinību centrs” pētījums Nr. 2.5 “E-mācību objektu veidošanas, migrācijas un lietošanas sadarbspējas nodrošināšana mākoņdatošanas infrastruktūrā” tiek īstenots no 2019. gada maija līdz 2021. gada jūnijam.


Nodrošinot mūsdienīgu izglītības iegūšanu un/vai kvalifikācijas celšanu augstākajā izglītībā, mūžizglītībā un uzņēmumu personāla profesionālajās mācībās, būtiska nozīme ir tālmācības metodes izmantošanai. Taču, pastāv virkne šķēršļu, kas samazina šīs metodes pielietojuma iespējas, tai skaitā, ierobežojot mācību satura pieejamību.

Lai panāktu uzlabojumu esošajā situācijā, tiek plānots realizēt šo pētniecības projektu informācijas tehnoloģiju nozarē, lai radītu risinājumus, kas veicinātu inovatīvu tehnoloģiju ieviešanu tālmācībā.

Projekta aktivitātes ietvers pētījumus ar mērķi izveidot modeli un algoritmus, kas ļautu būtiski uzlabot esošos satura veidošanas rīkus, nodrošinot plašāku satura pieejamību Moodle un Open edX e-mācību platformās atbilstoši HTML5 un specializētajiem e-mācību standartiem (SCORM). Tiks veikti arī pētījumi ar nolūku izveidot koncepciju un algoritmus mākoņpakalpojumā bāzētam mācību satura migrācijas rīkam, kas nodrošinātu satura pārnesamību no Moodle e-mācību platformas uz Open edX.

Pētījuma rezultātā tiks izveidoti abu rīku prototipi, un tiks veikta arī šo izstrāžu validācija.  Pētījumā iegūtās zināšanas tiks atspoguļotas zinātniskajās publikācijās.

SIA “Tilde” un SIA “Merhels Revidenti Konsultanti” starpnozaru pētījums Nr. 2.6 “Mākslīgā intelekta metožu izpēte un kompleksu sistēmu veidošana uzņēmumu grāmatvedības uzskaites procesu automatizācijai un lēmumu modelēšanai” tika īstenots no 2019. gada maija līdz 2020. gada septembrim.


Pētījums īstenots ar mērķi izpētīt jaunu mākslīgā intelekta metožu pielietojumu grāmatvedības procesu automatizēšanai un uzņēmuma darbības rādītāju analīzei un prognozēšanai. Pētījumā gaitā tika izvirzīti divi izpētes virzieni – kreditoru rēķinu grāmatošanas automatizēšana un debitoru rēķinu faktiskās apmaksas termiņa prognozēšana. Pētījuma noslēgumā tika izveidoti divi programmatūras prototipi, kas ļauj iegūtās metodes pārbaudīt praksē. Iegūtās metodes ir plānots izmantot sistēmā Tildes Jumis, lai atvieglotu un automatizētu grāmatvežu rutīnas darbus. Iegūtajam risinājumam ir augsts eksporta potenciāls, jo, lai gan grāmatvedības nianses dažādās valstīs atšķiras, tas risina vienu no grāmatvedības pamatproblēmām – kreditoru rēķinu klasificēšanu. Iegūtās metodes arī ļauj šo risinājumu lokalizēt citos tirgos, apmācot modeļus ar noteiktās valsts vai reģiona datu kopām.

 

Pētījuma gaitā sagatavoti zinātniskie raksti:

SIA “Tilde” un VSIA “Bērnu klīniskā universitātes slimnīca” starpnozaru pētījums Nr. 2.8 “Automatizēti balss komunikācijas risinājumi veselības nozarei”, ID: 1.2.1.1/18/A/003.


Pētījuma īstenošana uzsākta 2021. gada janvāra un to plānots pabeigt 2022. gada aprīlī.


Veselības nozarē strādājošie speciālisti ikdienā saskaras ar nepieciešamību veidot lielus rakstītās informācijas apjomus – pacientu apsekojumu rezultāti, anamnēzes un slimības vēsture, izmeklējumu un analīžu rezultātu apraksti, ārstniecisko un rehabilitatīvo procesu apraksti, norīkojumi, atskaites u.tml. Būtiski liels apjoms ar informāciju, kas tiek apstrādāta sākotnējie to ierakstot diktofonā un vēlāk speciālistiem pārrakstot ir – psihiatrijā, radioloģijā, ģenētika un attālinātā pacientu konsultācijās, kurās BKUS ārsti 2020. gada laikā attālināti apkalpojuši 5938 pacientus. Lielā daļā gadījumu šāda tekstuālā satura radīšanas procesā tiek izmantota audio ierakstīšana, kur attiecīgais speciālists iediktē atbilstošo informāciju, kas pēc tam tiek manuāli atšifrēta (transkribēta) un saglabāta kādā rakstīta teksta formātā. Šādā veidā gada laikā pat salīdzinoši nelielā ārstniecības iestādē tiek apstrādāti tūkstošiem stundu audioierakstu.


Bērnu klīniskās universitātes slimnīcas (BKUS) un SIA Tilde sadarbības projekta mērķis ir izpētīt efektīvākās metodes un izveidot veselības nozarei pielāgotus runas atpazīšanas risinājuma prototipus, kas ļautu būtiski atvieglot veselības nozares speciālistu darbu un uzlabot produktivitāti, dodot iespēju kvalificētiem speciālistiem veltīt vairāk laika aktivitātēm ar augstāku pievienoto vērtību.


Projekta ietvaros tiks izveidoti divi prototipi – 1. runas atpazīšanas rezultātā iegūto transkriptu pēcapstrādes vide, un 2. runas atpazīšanas risinājumu integrācija medicīnas speciālistu darba plūsmās. 


Mākslīgā intelekta valodu tehnoloģiju t.sk. runas atpazīšanas tehnoloģiju ieviešanai ir pozitīva ietekme uz dabas resursu efektīvu un lietderīgu izmantošanu, samazinot izejvielu un enerģijas patēriņu, emisiju un atkritumu apjomu. Tas pamatā saistīts ar iespējām mazināt papīra izmantošanu un efektivizēt darba organizācijas procesus – mazināt manuālas audioierakstu apstrādes darbības, tādējādi ietaupot gan cilvēkresursus, gan arī energoresursus. Runas tehnoloģiju izmantošana attālinātās komunikācijas rīkos, savukārt, samazina nepieciešamību ceļot un samazina kaitīgās emisijas.

SIA “Tilde”, SIA “4.vara”, SIA “Helio Media” un VSIA “Latvijas Televīzija” starpnozaru pētījums Nr. 2.9 “Automatizēta daudzvalodu subtitru veidošana”, ID: 1.2.1.1/18/A/003”.


Pētījuma īstenošana uzsākta 2021. gada jūlijā un to plānots pabeigt 2022. gada jūnijā.


Projektā tiks veikta izpēte un izstrādāts risinājuma prototips automatizētai videoierakstu subtitru sagatavošanai un tulkošanai kā mākoņpakalpojumam. Projekta mērķis ir tāda risinājuma izveide, kas ļautu ievērojami samazināt ar video satura subtitru sagatavošanu, tulkošanu un ievietošanu saistītās izmaksas un laika ieguldījumu, kā arī būtiski paplašinātu Latvijā radītā video oriģinālsatura eksporta iespējas, nodrošinot latviešu valodā veidotu videomateriālu subtitru automatizētu sagatavošanu angļu un krievu valodās. Turklāt šāds risinājums nodrošinās oriģinālsatura pieejamību dažādām sabiedrības grupām – cilvēkiem ar dzirdes traucējumiem, iebraucējiem un valsts iedzīvotājiem, kas slikti pārvalda latviešu valodu, kā arī ikvienam videosatura patērētājam, kas izvēlas lasīt tekstu nevis klausīties audio. Risinājums tiks veidots uz SIA “Tilde” izstrādātās runas atpazīšanas un mašīntulkošanas tehnoloģijas pamata un tiks eksperimentāli integrēts projekta partneru – SIA “4.vara” (plaši pazīstamā zīmola tiesraides.lv īpašnieki), SIA “Helio Media” un Valsts SIA "Latvijas Televīzija" – satura ražošanas un piegādes procesos.


Projekta gaitā paredzēta vairāku ar automatizētu subtitru sagatavošanu un mašīntulkošanu saistītu tehnoloģisko izaicinājumu izpēte un atbilstošo risinājumu radīšana. Projektā plānotas divas rūpnieciskā pētījuma aktivitātes un divas eksperimentālās izstrādes aktivitātes. Rūpnieciskā pētījuma aktivitātēs tiks pētītas iespējas veidot un pielāgot runas automatizētas atpazīšanas algoritmus subtitrēšanas vajadzībām, kā arī dažādi tehnoloģiskie izaicinājumi, kas saistīti ar subtitru kvalitatīvu mašīntulkošanu vairākās valodās. Eksperimentālās izstrādes aktivitātēs tiks izveidots daudzvalodīgas subtitrēšanas sistēmas prototips, kā arī šādas sistēmas eksperimentāla integrācija projekta partneru audiovizuālā satura ražošanas un piegādes procesos un darba plūsmās. 


Projekta rezultātā plānots izveidot risinājuma prototipu – mākoņpakalpojumu automatizētai subtitru sagatavošanai un tulkošanai, kā arī partneru organizācijās izstrādātu un pārbaudītu daudzvalodīgas videosatura subtitrēšanas procesa darba plūsmu. Pēc projekta noslēguma sagatavotais eksperimentālais prototips tiks tālāk attīstīts, izveidojot universālu, plaša lietojuma mākoņpakalpojumu.

Share by: